Statistical inference of heterogeneous treatment effects using semiparametric single-index model
半参数单指标模型下异质性处理效应的统计推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究异质性处理效应、双重稳健估计及学校午餐参与的效应分析。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
半参数单指标模型下异质性处理效应的统计推断
- 研究问题
- 如何在不限制单指标连接函数有界性及其支持范围的情况下，估计异质性处理效应并对连接函数和指标参数开展推断？
- 方法与思路
- 作者结合双重稳健估计与半参数单指标模型，用筛方法逼近连接函数并同时估计指标参数，再通过模拟和健康调查数据评估。
- 材料陈述的贡献
- 摘要称建立估计量的渐近性质，模拟中优于若干常用竞争估计量，并应用于学校午餐参与对身体质量指数的影响分析。
- 阅读关注点
- 应核对处理效应的识别条件、双重稳健结构、指标参数归一化和筛维度选择，并检查无界连接函数所需的其他限制。
- 阅读边界
- 这是arXiv预印本，不能认定已经同行评审或接收。摘要未列出渐近条件、竞争方法及数值，不能据此断言方法普遍优越。
原文摘要
In recent years, with the rapid development of science and technology, heterogeneous treatment effects have emerged as a focal research topic in statistics, econometrics, and sociology. This paper investigates HTE through semiparametric single-index models based on doubly robust estimation. Departing from conventional approaches, we neither impose boundedness constraints on the link function in single-index models nor restrict its support range. By employing the sieve method to approximate the link function, we achieve simultaneous estimation of both the link function and index parameters. Our study not only establishes the asymptotic properties of the proposed estimator but also systematically evaluates its finite-sample performance through comprehensive simulation studies. Numerical results demonstrate that our method significantly outperforms other commonly used competing estimators. Furthermore, we apply the proposed approach to the National Health and Nutrition Examination Survey dataset to assess the impact of participation in school lunch programs on body mass index.